DE2945413C1 - Verfahren und Vorrichtung zur Synthetisierung von Sprache - Google Patents
Verfahren und Vorrichtung zur Synthetisierung von SpracheInfo
- Publication number
- DE2945413C1 DE2945413C1 DE2945413A DE2945413A DE2945413C1 DE 2945413 C1 DE2945413 C1 DE 2945413C1 DE 2945413 A DE2945413 A DE 2945413A DE 2945413 A DE2945413 A DE 2945413A DE 2945413 C1 DE2945413 C1 DE 2945413C1
- Authority
- DE
- Germany
- Prior art keywords
- data
- digital
- microprocessor
- speech
- waveform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired
Links
- 238000000034 method Methods 0.000 title claims description 18
- 230000002194 synthesizing effect Effects 0.000 title claims description 7
- 230000006870 function Effects 0.000 claims abstract description 83
- 230000015654 memory Effects 0.000 claims abstract description 40
- 230000006835 compression Effects 0.000 claims description 18
- 238000007906 compression Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims 2
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000035987 intoxication Effects 0.000 description 1
- 231100000566 intoxication Toxicity 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Electrophonic Musical Instruments (AREA)
- Electrically Operated Instructional Devices (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Description
Die Erfindung betrifft ein Verfahren und eine zugehörige Vorrichtung zur Synthetisierung von Sprache mit
folgenden Verfahrensschritten:
a) Abspeichern von Digital-Datengruppen, die je ein Kurvenformsegment von Sprache innerhalb einer
Tonhöhenperiode mit mehreren Formanten in Form digital codierter, mit einer Basisabtastrate
gewonnener Amplitudenabtastwerte darstellen;
b) Auslesen und Aneinanderreihen von Digital-Datengruppen, die abhängig von den zu erzeugenden
Wörtern gewählt sind.
Verfahren zur Synthetisierung von Sprache mit Hilfe eines Sprachkurvenform-Synthetisierers sind bekannt.
Wegen der verwendeten Syntheseverfahren und Kombinationssysteme haben jedoch die Sprachsynthetisierer
entweder ein unerwünscht kleines Vokabular oder schlechte Klangqualität oder sind im Aufbau und der
Betriebsweise so aufwendig, daß sie für viele erwünschte kommerzielle Anwendungen unbefriedigend sind.
Beispielsweise sind Schaltungsanordnungen zur Synthetisierung von Sprache in Realzeit durch Verknüpfung
von Formant-Daten entwickelt worden. Solche Schaltungsanordnungen können zwar Sprache hoher
Qualität erzeugen, es sind aber komplizierte und aufwendige Bauteilanordnungen erforderlich.
Sprache ist außerdem auch schon durch eine lineare Voraussage der Sprachkurvenform synthetisiert worden.
Dieses Verfahren ergibt eine höhere Sprachqualität als die vorgenannten Anordnungen, benötigt aber einen
größeren Speicherraum sowie ebenfalls komplizierte und aufwendige Bauteilanordnungen.
Bekannt ist auch ein Verfahren zur Sprachsynthetisierung (US-PS 38 92 919), bei dem Sprachkurvenformsegmcnte
mit der Länge einer Tonhöhenperiode wahlweise
ho zu der gewünschten Sprachkurvenform zusammengesetzt
werden. Zur Verbesserung der synthetisierten Sprache wird dabei die Länge der gespeicherten Kurvcnformsegmente
beim Auslesen verändert, ohne dabei jedoch die Frequenz zu verändern, weil das Auslesen
b5 mit konstanter Rate entsprechend einer festen Taktfrequenz
erfolgt.
Der Erfindung liegt die Aufgabe zugrunde, eine einfache Sprachsynthetisierung zu ermöglichen, die ohne
ORIGINAL INSPECTED
großen Aufwand ein verhältnismäßig großes Vokabular von Lauten hoher Qualität erzeugt.
Zur Lösung der Aufgabe geht die Erfindung aus von einem Verfahren der eingangs genannten Art und ist
dadurch gekennzeichnet, daß das Auslesen gemäß Verfahrensschritt b) mit einer Rate erfolgt, die abhängig
von der zu erzeugenden Sprachkurvenform von Tonhöhenperiode zu Tonhöhenperiode veränderbar und
gleich, kleiner oder größer als die Basisabtastrate ist.
Weiterbildungen des Verfahrens sowie Vorrichtungen zur Durchführung des Verfahrens sind Gegenstand
der Unteransprüche. So können die gespeicherten Kurvenformsegmente Datenpunkte darstellen, die in einer
Darstellung mit rechtwinkligen Koordinatenachsen, in der die Frequenzen des Formanten Fl in Abhängigkeit
von den Frequenzen des Formanten F2 in doppeltlogarithmischem Maßstab dargestellt sind, auf einer Geraden
liegen, die vorzugsweise eine Steigung m = — 1 besitzt.
Gewünschte Kurvenformsegmente entsprechend Datenpunkten abseits der Geraden lassen sich dann
durch Änderung der Ausleserate des Speichers erzeugen. Die Wahl einer Steigung m = -1 bewirkt, daß
eine Zeitkompression oder Zeitexpansion der Kurvenformsegmente die Eigenschaften der Formanten Fl
und Fl proportional beeinflußt.
Die Digital-Datengruppen, die je ein Kurvenformsegment
darstellen, werden nachfolgend auch Basisfunktionen genannt. In den Zeichnungen zeigt
Fig. 1 ein Blockschaltbild eines Sprachsynthetisierers
nach der Erfindung;
F i g. 2 als Beispiel eine vollständige Sprachkurvenform;
F i g. 3 eine grafische Darstellung von Basisfunktions-Datenpunkten
in einer doppeltlogarithmischen Darstellung von Formantfrequenzen;
Fig.4 bis 15 die Basisfunktions-Kurvenformsegmente,
die durch die doppeltlogarithmische Darstellung in F i g. 3 angegeben werden;
Fig. 16 und 17 Basisfunktions-Kurvenformsegmente, die in F i g. 3 nicht gezeigte Datenpunkte darstellen;
Fig. 18 eine Tabelle A mit der Organisation von Informationen
bezüglich von Datenpunkten, die ein gewähltes Wort darstellen;
Fig. 19 eine Tabelle 1 mit einer Liste von Basisfunktions-Adressen;
F i g. 20 eine Tabelle 2 mit Basisfunktionsdaten;
Fig.21 ein Flußdiagramm mit Verfahrensschritten für die Erzeugung von synthetisierten Sprachkurvenformen.
In F i g. 1 ist ein Ausführungsbeispiel eines Sprachsynthetisiersystems
gezeigt. Das System enthält einen Mikrocomputer 10 mit einem ersten und einem zweiten
Digital-Analogwandler (D/A) 11 und 12 zur Abgabe eines
analogen Ausgangssignals an einen Lautsprecher 13. Der Mikrocomputer enthält einen Mikroprozessor
15, der mit einem Speicher 18 und einer Ein-Ausgabeeinrichtung (I/O) 20 zwischen dem Mikroprozessor 15
und den Digital-Analogwandlern 11 und 12 geschaltet ist.
Der gezeigte Speicher enthält sowohl einen Schreiblesespeicher (RAM) als auch einen Festwertspeicher
(ROM).
Wie nachfolgend noch genauer beschrieben werden soll, enthält der Speicher 18 eine Vielzahl von Digital-Datengruppen
oder Basisfunktionen, wobei jede Gruppe ein mit einer Basisspeicherrate aufgezeichnetes
Sprachkurvenformsegment darstellt. Diese Speicherung kann durch Speichern digitalcodierter Amplitudenabtastwerte
der analogen Kurvenform durchgeführt werden, wobei die Abtastwerte mit einer einheitlichen
Basisabtastrate bestimmt werden. Jede Datengruppe definiert eine Kurvenform einschließlich von zwei oder
mehreren Formanten, die in Sprachlauten auftretende Harmonische sind und mathematisch durch Ausdrücke
angegeben werden, die zeitabhängige Variationen der Sprachamplitude darstellen. Diese Ausdrücke ändern
sich von einem Laut zu einem anderen. Der Mikroprozessor 15, die Ein-Ausgabeeinrichtung 20, die Digital-Analogwandler
11, 12 und der Lautsprecher 13 erzeugen zusammen eine Sprachkurvenform, indem eine Folge
von gewählten Segmenten der codierten und gespeicherten Kurfenformsegmente gewählt und ausgelesen
wird, diese Segmente in analoge Kurvenformsegmente umgewandelt und dann die analogen Segmente zu einem
Sprachlaut verknüpft werden.
Mit Hilfe weiterer Informationen im Speicher 18 und ebenfalls ausgewählt durch den Mikroprozessor 15 können
die gespeicherten Kurvenformen aus dem Speicher mit der Basisabtast- oder Speicherrate oder mit einer
von der Basisspeicherrate verschiedenen Rate gelesen werden. Wenn die Kurvenformen mit einer von der Basisspeicherrate
verschiedenen Rate gelesen werden, ist es möglich, das für eine qualitativ hochstehende Spracherzeugung
geeignete Frequenzspektrum mit einer kleinen Anzahl von gespeicherten Sprachabtast-Kurvenformsegmenten
zu überspannen. Durch eine solche Begrenzung der Anzahl der aufgezeichneten Sprachkurvenformsegmente
ist es möglich. Laute hoher Qualität für ein großes Vokabular mit einem verhältnismäßig
kleinen Speicher bei niedrigem Aufwand zu erzeugen. Die Kosten stehen jedoch zur Größe des gewünschten
Vokabulars in Beziehung, da jeder zu erzeugende Laut eines Wortes durch eine Liste von Datenpunkten beschrieben
werden muß.
Eine Begrenzung des Aufwandes ergibt sich auch, weil ein Mikroprozessor statt eines größeren und aufwendigeren
Computers die Operation zur Lauterzeugung steuert. Der Mikroprozessor 15 ist in der Lage, die
Erzeugung von Sprachlauten zu steuern, da die Hauptoperationen des Systems auf eine Steuerung der Rate
für das Speicherauslesen von Daten zu den Digital-Analogwandlern 11 und 12 beschränkt ist. ohne daß irgendwelche
zeitraubenden arithmetischen Operationen nötig sind.
Vor einer Beschreibung des Synthetisierers ist es zweckmäßig, auf einen Teil der Theorie einzugehen, auf
der das Sprachkurvenform-Synthetisiersystem beruht
so Akustische Eigenschaften von stimmhaften Lauten werden durch die Eigenschaften des Sprachtraktes bestimmt,
der ein Rohr enthält, in welchem stimmhafte Laute erzeugt werden. Ein stimmhafter Laut wird durch
Schwingungen einer Luftsäule innerhalb des Rohres erzeugt. Die Luftsäule schwingt in verschiedenen Moden
oder Resonanzfrequenzen für jeden gesprochenen stimmhaften Laut. Diese Moden oder Resonanzfrequenzen
sind als Formantfrequenzen Fl, F2, FZ ... Fn bekannt. Jedes Kurvenformsegment für jeden gespro-
bo chenen stimmhaften Laut hat seine eigenen Formantfrequenzen,
die fortlaufend numeriert sind, beginnen mit der niedrigsten harmonischen Frequenz in diesem Segment.
Die akustischen Eigenschaften von stimmlosen Sprachlauten werden anders als die der stimmhaften Laute bestimmt. Die stimmlosen Laute werden in typischer Weise dadurch erzeugt, daß Luft durch eine öffnung strömt. Ein solches Strömen von Luft wird durch
Die akustischen Eigenschaften von stimmlosen Sprachlauten werden anders als die der stimmhaften Laute bestimmt. Die stimmlosen Laute werden in typischer Weise dadurch erzeugt, daß Luft durch eine öffnung strömt. Ein solches Strömen von Luft wird durch
einen Rauschstoß beschrieben.
Vollständige Lautkurvenformen von gesprochener Sprache können aus einer begrenzten Anzahl von gewählten
Sprachkurvenformsegmenten erzeugt werden. Diese Kurvenformsegmente werden manchmal dadurch
verknüpft, daß das gleiche Kurvenformsegment viele Male wiederholt wird, und in anderen Fällen indem unterschiedliche
Kurvenformsegmente nacheinander kombiniert werden. Stimmhafte oder stimmlose Laute
oder beide können zur Darstellung jedes gewünschten Sprachlautes verwendet werden.
Gemäß Fig.2 besteht eine als Beispiel angegebene,
vollständige Lautkurvenform aus einer Verknüpfung von mehreren stimmhaften Kurvenformsegmenten A,
B1 C. Jedes Kurvenformsegment hat eine Dauer, die Tonhöhenperiode genannt wird. Die Dauer der Tonhöhenperiode
kann sich von Segment zu Segment ändern. Abhängig von der Erzeugung des vollständigen stimmhaften
Lautes kann die Form der Kurvenformsegmente für aufeinanderfolgende Tonhöhenperioden ähnlich
oder verschieden sein. Für viele Laute sind die aufeinanderfolgenden Kurvenformsegmente wesentlich voneinander
verschieden. Zum Aufbau der vollständigen Lautkurvenform werden die aufeinanderfolgenden Kurvenformsegmente
A, B und C am Ende einer Tonhöhenperiode und dem Anfang der nächsten miteinander verknüpft,
unabhängig davon, ob die erste Kurvenform vollständig erzeugt ist oder nicht. Wenn die Kurvenform
vor dem Ende der Tonhöhenperiode beendet ist, wird der letzte Wert der Kurvenform gespeichert, bis
die nächste Tonhöhenperiode beginnt.
Obwohl stimmlose Laute Teil typischer Sprachkurvenformen sind, enthält F i g. 2 keine solchen Laute. Das
mathematische Modell stimmhafter und stimmloser Laute ist eine Funktion in der komplexen Frequenzebene.
Für stimmhafte Vokallaute ist ein geeignetes mathematisches Modell als Laplace-Transformation bestimmt
worden. Wenn Laplace-Transformationen von Sprachkurvenformsegmenten
benutzt werden, so wird eine Kurvenformsegment-Laplace-Transformation H(s) ausgedrückt
als
wf
wobei
H.(s)
für bestimmte Formanten ist.
Darin bedeuten
Darin bedeuten
w„ = 2 ,T(Fn),
Fn = Frequenz des n-ten Formanten, b„ = die Bandbreite, die der Formantfrequenz mit
dem gleichen numerischen Index π zugeordnet
ist, und
s = der komplexe Frequenzoperator.
s = der komplexe Frequenzoperator.
Der vorstehende Ausdruck für die Formantfrequenz Fn kann durch eine inverse Laplace-Transformation in
einen zeitebenen Ausdruck umgewandelt werden.
fn(t)
Jedes Sprachkurvenformsegment ist eine Abwicklung der Frequenzebenen-Ausdrücke, die alle geeigneten
Formanten angeben.
Die vollständige Sprachkurvenform hat eine inverse Laplace-Transformation, die zu einer zusammengesetzten
Zeitkurvenform f(t) mit einer Anzahl von abklingenden Segmenten in Form einer gedämpften Sinuskurve
führt, beispielsweise solche, die in Fig. 2 gezeigt sind. Vollständige Kurvenformen von stimmhaften Lauten
sind daher eine Aufeinanderfolge von gedämpften Sinuskurven, die sich sowohl mathematisch als auch in der
Praxis nachbilden lassen. Wichtige Parameter zur Beschreibung einzelner Sprachkurvenformsegmente sind
die Formantfrequenzen, die Dauer der Tonhöhenperiode
und die Amplitude der Kurvenform.
Bei der tatsächlichen Nachbildung der vollständigen Kurvenformen ergibt sich eine Schwierigkeit, weil zur
Erzielung eines Modells guter Qualität die Entwickler von Sprachsynthetisierern versuchen, die vollständige
Kurvenform für jeden stimmhaften und stimmlosen Laut genau nachzubilden. Diese Laute sind jedoch über
einen weiten Bereich von ersten und zweiten Formantfrequenzen verstreut, die durch die Grenzen des Hörfrequenzbereiches
eingeschränkt werden. Zur erfolgreichen Durchführung des Syntheseverfahrens mit einer
vernünftig großen Speicherkapazität sind bei bekannten Synthesesystemen Daten gespeichert worden, die
eine gewählte Matrix von Punkten im Parameterraum mit den Formanten FI und F2 als Koordinatenachsen
jo darstellen. Die Anzahl der Punkte war ziemlich groß.
Die Nachbildung von stimmhaften und stimmlosen Lauten ist nach dem Stand der Technik wie folgt durchgeführt
worden.
1) Analoges Speichern vollständiger Kurvenformen und nachfolgendes Reproduzieren dieser analogen
Kurvenformen auf Befehl.
2) Gewinnung von Amplitudenabtastwerten vollständiger Kurvenformen, analoges Speichern dieser
Amplitudenabtastwerte für vollständige Lautkurvenformen und nachfolgendes Reproduzieren der
vollständigen analogen Kurvenformen anhand der gespeicherten Abtastwerte.
3) Analoges Aufzeichnen vieler Kurvenformabschnitte und nachfolgendes Kombinieren gewählter Abschnitte
der aufgezeichneten Kurvenformabschnitte zur Erzeugung einer gewünschten vollständigen
analogen Kurvenform auf Befehl.
4) Gewinnen von Amplitudenabtastwerten, digitales Codieren dieser Abtastwerte, Aufzeichnen der codierten
Abtastwertc, nachfolgendes Reproduzieren analoger Kurvenformabschnitte aus gewählten
Abschnitten der gespeicherten, codierten Abtastwerte und Kombinieren der reproduzierten Kurvenformabschnitte
zur Erzeugung einer gewünschten, vollständigen, analogen Kurvenform auf Befehl.
Stimmlose Reibelaute sind mathematisch als das Anbo
sprechen eines Reibe-Pol-Nullstellennetzwerk auf weißes Rauschen nachgebildet worden. Mehrere unterschiedliche
Modelle von Pol-Nullstellennetzwerken sind zur Erzeugung unterschiedlicher Reibelaute, beispielsweise
»s« und »f« benutzt worden.
Die vorliegende Erfindung läßt sich als Gegensatz zu dem oben erläuterten Stand der Technik durch Beschreibung
des Ausführungsbeispiels am besten beschreiben, bei dem nur wenige Kurvenformsegmente
für einen nachfolgenden Aufbau von vollständigen analogen Lautkurvenformen abgetastet und gespeichert
werden. Diese gespeicherten Kurvenformsegmente werden Basisfunktionen genannt.
In Fig.3 sind die Frequenzen des Formanten Fl in
Abhängigkeit von den Frequenzen des Formanten F2 im doppcltloguriihniischcn Maßstab dargestellt, um die
Frequenzanteile verschiedener stimmhafter Laute zu lokalisieren. Die erste Formantfrequenz Fi reicht für
verschiedene Vokale und Diphthong-Laute von etwa 200 Hz bis etwa 900 Hz. Die zweite Formantfrequenz
F2 reicht für die gleichen Laute von etwa 600 Hz bis etwa 2700 Hz. Die in F i g. 2 nicht gezeigte dritte Formantfrequenz
F3 reicht für die gleichen Laute von etwa 2300 Hz bis 3200 Hz. Für stimmhafte Laute und Diphthong-Laute
sind 12 Kurvenformsegmente d\(Ö) bis (Zi(II) an im wesentlichen mit gleichem Abstand angeordneten
Datenpunkten entlang einer einzelnen geraden Linie 46 gewählt, die den Parameterraum von F1 in
Abhängigkeit von F2 mit einer Steigung m= -1 durchläuft.
Jeder der 12 Datenpunkte d\(0) bis c/i(11) auf der Linie
46 in F i g. 3 identifiziert die Formantfrequenzen F1 und
F2 einer unterschiedlichen Basisfunktion d\(n). Für jede Basisfunktion ist ein Kurvenformsegment im Speicher
18 in F i g. 1 gespeichert. Jedes Kurvenformsegment hat die Dauer einer Basis-Tonhöhenperiode von 18,25 ms.
Für jedes Kurvenformsegment liefern 146 Amplitudenabtastwerte Informationen bezüglich der anteiligen
Kurvenformen von sovielen Formantfrequenzen, wie gewünscht. Eine Möglichkeit zur Speicherung solcher
Kurvenformsegmente besteht in einer periodischen Abtastung der Amplitude der jeweiligen Kurvenform mit
einer Basisabtastrate, beispielsweise 8 kHz, und danach Codieren der sich ergebenden Amplitudenabtastwerte
(beispielsweise in Digitalwörter mit 8 Bits.die jeden Abtastwert auf eine von 256 Amplitudenstufen quantisieren).
Fig.4 bis 15 zeigen die Kurvenformsegmente von
stimmhaften Lauten für die Basisfunktionen d\(0) bis
Ji(Il). In Fig.4 bis 15 sind die Kurvenformen auf einer
vertikalen Achse dargestellt, wobei die gezeigte Amplitude zwei Skalen besitzt. Eine Vertikalskala hat skalare
Einheiten, die die Amplitudenstufen angeben, und die andere Skala gibt die skalaren Einheiten im Oktalcode
an. Die horizontale Skala in den Fig.4 bis 15 gibt die
Zeit in Abtastwerten an.
Fig. 16 und 17 zeigen Kurvenformsegmente für stimmlose Laute der Basisfunktionen d\(\2) und d\(\3).
Diese Basisfunktionen sind auf ähnliche Weise wie die änderen Basisfunktionen dargestellt. Daten, die jede der
beiden Basisfunktionen d\(\2) und </t(13) für stimmlose
Laute beschreiben, sind außerdem im Speicher 18 in Fig. 1 zusammen mit den anderen Basisfunktionen abgelegt.
Es gilt die gleiche Dauer von 18,25 ms für diese beiden Basisfunktionen, obwohl ihnen nicht die gleiche,
sich wiederholende Tonhöhenperiode zugeordnet ist.
Obwohl die aufgezeichneten Daten, die die 14 Basisfunktionen darstellen, nicht mehr als Kurvenformsegmente
darstellen, welche 12 Abtastpunkte für stimmhafte Laute entlang der geneigten Linie 46 in F i g. 3 beschreiben
zuzüglich von Kurvenformsegmenten, die zwei stimmlose Laute angeben, liefern diese Basisfunktionen
zusammen mit weiteren Parameterdaten die Basisinformationen zur Erzeugung eines großen Vokabulars
von Kurfenformen von vollständigen Lauten guter Qualität. Unter erneuter Bezugnahme auf F i g. 3 ergibt
sich, daß ein großer Teil des Rechtecks, das den relevanten Parameterraum für stimmhafte Laute umgibt, nicht
durch Datenpunkte bedeckt ist, die die Basisfunktionen d\(0) bis c/i(11) darstellen. Kurvenformsegmente für
stimmhafte Laute, die Laute für Punkte abseits der geneigten Linie 46 in Fig.3 darstellen, werden dadurch
angenähert, daß eine der Basisfunktionen ausgewählt, aus dem Speicher 18 gelesen und über den Mikroprozessor
und die Eingangs-Ausgangseinrichtung 20 zum Digital-Analogwandler 11 mit einer Rate übertragen
ίο wird, die von der Basis-Aufzeichnungsrate verschieden
ist.
Unter Verwendung einer bekannten Laplace-Transformation
\/ä[f(t/a)\ = F(as) kann eine Zeitkompression
und -Expansion zur linearen Maßstabsbeeinftussung der Frequenzebene verwendet werden, wodurch
die Formantfrequenzen nach oben oder unten verändert werden. Irgendeine Basisfunktion wird zeitlich dadurch
komprimiert, daß sie mit einer schnelleren Rate als der Basisaufzeichnungsrate oder Basisspeicherrate
gelesen wird, und zeitlich expandiert, indem sie mit einer langsameren Rate als der Basisspeicherrate ausgelesen
wird. Gemäß F i g. 3 wird die Zeitkompression der Basisfunktionen zur Erzeugung von Kurvenformsegmenten
benutzt, die durch eine Matrix von Punkten innerhalb des Rechtecks identifiziert sind, sich aber oberhalb
und rechts von der Basisfunktionslinie 46 befinden. Eine Zeitexpansion wird zur Erzeugung von Kurvenformsegmenten
verwendet, die durch eine Matrix von Punkten innerhalb des Rechtecks definiert werden, sich aber
unterhalb und links von der Basisfunktionslinie 46 befinden.
Kurvenformsegmente für stimmlose Laute abweichend von den beiden Basisfunktionen f/i(12) und tfi(13)
können ebenfalls durch Komprimieren und Expandieren dieser beiden Kurvenformen auf ähnliche Weise
erzeugt werden.
Kurvenformen für vollständige Laute werden durch Verknüpfen gewählter Kurvenformsegmente erzeugt,
die auf Befehl geliefert werden. Solche Kurvenformen für vollständige Laute können sowohl stimmhafte als
auch stimmlose Laute enthalten.
Neben der gerade beschriebenen Information bezüglich der Amplitudenabtastwerte werden weitere Informationen
zur Beschreibung eines vollständigen Sprachlautes benötigt. Jeder vollständige, gesprochene Laut
enthält eine Verknüpfung von vielen Kurvenformsegmcnten,
die aus gewählten Basisfunktionen der 14 Basisfunktionen erzeugt werden. Die Einrichtungen gemäß
F i g. 1 folgen einem vorgegebenen Unterprogramm zur Erzeugung jedes gewünschten, vollständigen Lautes aus
den Basisfunktionen. Eine Liste der Basisfunktionen in der Reihenfolge ihrer Auswahl ist im Speicher 18 gemäß
F i g. 1 in einer Datentabelle A gespeichert Die Anzahl der für jeden vollständigen Sprachlaut zu verknüpfenden
Basisfunktionen kann stark schwanken, aber die Datentabelle enthält eine Liste einer gewissen Anzahl
von 24-Bit-Datenpunkten für jedes der Wörter oder der vollständigen, zu erzeugenden Sprachlaute.
Fig. 18 mit der Tabelle A enthält eine Liste von Da-
bo ten, die die vollständige Kurvenform als Beispiel für den
Laut des Wortes »who« angibt. Drei Datenbytes werden zur Darstellung jedes Datenpunktes oder jedes
Kurvenformsegmentes benutzt, die zur Herstellung der Kurvenform des vollständigen Lautes zu verknüpfen
sind. Diese Datenpunkte sind sequentiell vom Punkt 1 bis zum Punkt Naufgelistet.
Für jeden Datenpunkt geben die vier niedrigststelligen Bits 55 des ersten Byte an, welche der 14 Basisfunk-
tionen d\(n) zur Erzeugung der Kurvenform ausgewählt
wird. Die vier höchststelligen Bits 60 des ersten Byte geben an, welcher Betrag einer Zeitkompression oder
-Expansion, ausgedrückt durch einen Kompressions/Expansionskoeffizienten d^m) benutzt werden muß, um
eine gewünschte Ausleseperiode für die Basisfunktion zu erhalten. Die Kompressions/Expansionskoeffizienten
für das Diagramm in F i g. 3 sind in Tabelle B angegeben.
Tabelle B
Kompressions/Expansionskoeffizient
Kompressions/Expansionskoeffizient
Koeffizient
Wert
0,755
0,844
0,918
1,00
1.09
1,18
1,29
1,40
Unter erneuter Bezugnahme auf Fig. 18 ergibt sich, daß das zweite Byte 65 für jeden Datenpunkt die Tonhöhenperiode
als eine von 256 möglichen Zeitperioden definiert. Diese Tonhöhenperiode wird zur Abkürzung
oder Verlängerung des zugeordneten, rekonstruierten Kurvenformsegmentes der Basisfunktion abhängig von
der relativen Länge der Basisfunktions-Ausleseperiode und der Tonhöhenperiode benutzt.
Eine weitere Datenpunkt-Kurvenform wird mit ihrem unmittelbar vorgehenden Kurvenformsegment bei
Beendigung des vorhergehenden Kurvenformsegmentes am Ende der Tonhöhenperiode verknüpft. Das dritte
Byte 70 für jeden Datenpunkt gibt an, welche der 256 Amplituden-Quantisierungsstufen benutzt werden soll,
um die aus der Basisfunktionstabelle gelesene Amplitude des Kurvenformsegmentes zu modifizieren.
Die Amplituden- und Tonhöheninformationen mit Bezug auf jeden gewünschten Laut lassen sich mil Hilfe
bekannter Analyseverfahren bestimmen.
Alle Daten, die die 14 Basisfunktionen darstellen, sind im Speicher 18 in F i g. 1 abgelegt und befinden sich dort
an entsprechenden Basisfunktionsadressen. Die 146 Datenwörter, die die Amplitudenabtastwerte jeweils einer
Basisfunktion darstellen, sind in aufeinanderfolgenden Adressen im Speicher 18 in F i g. 1 gespeichert.
Fig. 19 zeigt eine Tabelle 1 mit 28 Bytes zur indirekten
Adressierung der Basisfunktionen. In Tabelle 1 sind 14 Zwei-Byte-Adressen, die die absolute Start- oder Anfangsadresse
jeder der 14 Basisfunktionen in einer noch zu beschreibenden Tabelle 2 identifizieren. Die in Tabelle
1 (F i g. 19) angegebenen Adressen werden durch den Mikroprozessor 15 in F i g. 1 abhängig von dem Basisfunktionsparameter
d\(n) gewählt, der in Tabelle A in F i g. 18 gespeichert ist.
F i g. 20 zeigt Tabelle 2 zur Speicherung von Basisfunktionsdaten.
Wie oben erwähnt, werden die aufeinanderfolgend codierten Amplitudenabtastwerte in sequentiellen
Adressen für jede Basisfunktion d\(n) gespeichert. Alle Amplitudenabtastwerte für jede Basisfunktion
können aus dem Speicher 18 in F i g. 1 dadurch gelesen, daß der Anfangsabtastwert adressiert und Informationen
aus dieser Adresse und den nachfolgenden 145 Adressen gelesen werden. Demgemäß reichen die in
Tabelle 1 angegebenen 14 Adressen aus, um alle Basisfunktionsdaten auf Befehl im Speicher 18 zu lokalisieren
und auszulesen.
Es sei erneut auf F i g. 1 Bezug genommen. Die Schaltungsanordnung
erzeugt gewählte Laute anhand der in der Datenpunkttabelle A und in der Basisfunktionstabelle
2 gespeicherten Daten. Ein Anwendungsprogramm ist außerdem im Speicher 18 abgelegt. Der Speicher
ist mit dem Mikroprozessor l5 verbunden, der die ίο Auswahl, die Wegleitung und die Zeitsteuerung bei den
Datenübertragungen aus der Tabelle A und der Tabelle 2 im Speicher 18 über den Mikroprozessor 15 und die
Eingangs/Ausgangseinrichtung zu den Digital-Analogwandlern 11 und 12 steuert.
Obwohl die beschriebenen Operationen zur Verarbeitung von Basisfunktionsdaten zwecks Erzeugung
von gesprochenen Lauten unter Verwendung vieler Anordnungen und Verfahren durchgeführt werden können,
sind in einem praktischen Ausführungsbeispiel der Anordnung gemäß F i g. 1 ein Mikroprozessor, eine Eingangs/Ausgangseinrichtung
und ein Digital-Analogwandler verwendet worden.
Der Speicher wurde in Form eines Schreiblesespeichers und eines Festwertspeichers verwirklicht. Der
Schreiblesespeicher' wird durch ein Bauteil und der Festwertspeicher durch vier oder mehr Bauteile dargestellt.
Ein Speicher wird für das Anwendungsprogramm, Speicher werden zur Aufnahme der Tabellen 1 und 2
und ein weiterer oder weitere Speicher werden zur Aufnähme der Wörterlisten der Tabelle A benutzt.
Bei dem praktischen Ausführungsbeispiel verbindet ein Adressenbus 30 den Mikroprozessor 15 mit dem
Speicher 18 zur Adressierung von Daten, die aus dem Speicher gelesen werden sollen, und mit der Eingangs-Ausgangseinrichtung
20 zur Steuerung von Informationsübertragungen vom Mikroprozessor zur Eingangs-Ausgangseinrichtung
20. Ein 8-Bit-Datenbus 31 verbindet den Speicher mit dem Mikroprozessor zur Übertragung
von Daten aus dem Speicher zum Mikroprozessor auf Befehl. Der Datenbus 31 verbindet außerdem den
Mikroprozessor 15 mit der Eingangs-Ausgangseinrichtung 20 zur Übertragung von Daten vom Mikroprozessor
zur Eingangs-Ausgangseinrichtung mit der durch den Kompressions-Expansionskoeffizienten d2(m) gemaß
Tabelle A angegebenen Basisfunktions-Ausleserate.
Ein Flußdiagramm der Programmierstufen, die zur Umwandlung des Mikro-Computers in einen Sonderzweckrechner
dienen, ist in Fig. 21 gezeigt. Jeder in dem Flußdiagramm angegebene Schritt ist an sich bekannt
und kann durch einen Programmierfachmann in ein geeignetes Programm umgesetzt werden. Die bei
dem Auslesen von Basisfunktionen zur Synthetisierung von Sprachkurvenformen benutzten Unterprogramme
sind in den Anhängen A, B und C angegeben.
Abtastamplitudeninformationen von der Basisfunktionstabelle 2 im Speicher 18 durchläuft den Mikroprozessor
15, den Datenbus 31, die Eingangs-Ausgangseinrichtung 20 und einen 8-Bit-Datenbus 32 zum Digitalbo
Analogwandler 11 mit der Basisfunktions-Leserate. Die
Amplitudeninformationen liegen in einem Digitalcode vor, der die Amplituden der Abtastwerte für die Kurvenformsegmente
darstellt. Die Amplitudeninformation, die aus der Tabelle A zur Modifizierung der Amplib5
tude der Basisfunktions-Kurvenformsegmente gelesen wird, wird vom Speicher über den Mikroprozessor zur
Eingangs-Ausgangseinrichtung 20 übertragen, die dauernd das gleiche Digitalwort über einen 8-Bit-Datenbus
33 an einen Digital-Analogwandler 12 für eine vollständige Tonhöhenperiode anlegt. Der Digital-Analogwandler 12 erzeugt ein Vorspannungssignal, das die
Amplitudenmodifizierinformation angibt, und überträgt dieses Vorspannungssignal zum Digital-Analogwandler
U. Der Digital-Analog-Wandler 11 ist als multiplizierender Digital-Analog-Wandler ausgelegt, der die Amplitude der Basisfunktionssignale entsprechend dem
Wert des vom Digital-Analog-Wandler 12 zugeführten Vorspannungssignals modifiziert. Nachdem die Amplituden modifizierinforma tion an den Digital-Analogwandler 12 zu Beginn jeder Tonhöhenperiode angelegt
ist, wird die Folge von 146 Abtastcodewörtern, die eine Basisfunktion darstellen, nacheinander vom Mikroprozessor 15 über die Eingangs-Ausgangseinrichtung 20
zum Digital-Analogwandler 11 übertragen, der das gewünschte, in seiner Amplitude modifizierte Basisfunktions- Kurvenformsegment für eine Tonhöhenperiode
aus den 146 Abtastcodewörtern der Basisfunktion erzeugt.
Es sei wiederum darauf hingewiesen, daß die Leserate der 146 Abtastcodewörter entweder gleich oder schneller bzw. langsamer als die 8-kHz-Abtast- oder Speicherrate ist, die zur Gewinnung der Amplitudenabtastwerte
dient. Diese Variation der Ausleserate wird durch den Mikroprozessor 15 in Abhängigkeit von dem Kompressions/Expansionskoeffizienten d2(m) für die relevante
Periode durchgeführt.
Durch eine Beschleunigung der Ausleserate erzeugt die Anordnung gemäß F i g. 1 eine Kurvenform, die eine
zeitlich komprimierte Abwandlung der gewählten Basisfunktion ist. Diese komprimierte Abwandlung der Basisfunktion stellt eine Annäherung des tatsächlichen
Kurvenformsegmentes für einen abweichenden Punkt in der Darstellung mit dem Formanten Fi in Abhängigkeit vom Formanten F2 gemäß F i g. 3 dar. Wenn beispielsweise die Basisfunktion d\(Ö) im Datenpunkt 55 in
F ig. 3 gewählt und zeitlich mit einem Kompressionskoeffizienten dtf) komprimiert wird, dann entsteht ein
Kurvenformsegment, das eine gewünschte tatsächliche Kurvenform für einen Punkt 60 in der Darstellung des
Formanten Fl in Abhängigkeit vom Formanten Fl annähert. Dieses erzeugte Kuryenformsegment, das als,
Punkt 60 (F i g. 3) identifiziert ist, wird aus der Basisfunktion c/i(0) und dem Kompressions/Expansionskoeffizienten £/2(7) erzeugt.
Durch eine Verlangsamung der Ausleserate der Basisfunktionsinformationen erzeugt die Schaltung gemäß
F i g. 1 ein Kurvenformsegment, das eine zeitlich expandierte Abwandlung der gewählten Basisfunktion darstejlt. Diese zeitlich expandierte Abwandlung der Basisfuriktion ist ebenfalls eine Annäherung eines tatsächlichen Kurvenformsegmentes, für einen unterschiedlichen Punkt in der Darstellung des Formanten Fl in
Abhängigkeit vom Formanten F2 gemäß F i g. 3. Durch Wahl der Basisfunktion <rfi(0) im Datenpunkt 55 in
Fig. 3 und eine zeitliche Expandierung mit einem Kompressiong/Expansionskoeffizienten d^O) erzeugt die Anordnung gemäß F i g. 3 ein Kurvenformsegment, das eine gewünschte tatsächliche Kurvenform für einen
Punkt 62 in der Darstellung des Formanten Fl in Abhängigkeit vom Formanten F2 annähert.
Man beachte, daß die Anordnung gemäß F i g. 1 gleichzeitig mit mehreren Formantfrequenzen arbeitet,
wenn sie die Kurvenformsegmente komprimiert oder expandiert. Die gleichzeitige Kompression oder Expansion wird erreicht, da die Basisfunktionslinie 46 in der
Darstellung des Formanten Fl in Abhängigkeit vom
Formanten F2 eine Steigung m = — 1 besitzt. Eine zeitliche Kompression oder Expansion wird gleichmäßig für
die Kennlinien beider Formanten Fl und F2 durchgeführt, da die Kompressions- und Expansionsoperationen
in Richtung vpn Linien arbeiten, die rechtwinklig zur Basisfunktionslinie 46 verlaufen. Diese Linien rechtwinklig zur Linie 46 bilden jeweils einen Ort, für den das
Verhältnis zwischen den Formantfrequenzen Fl und F2 gleich bleibt.
Man beachte, daß die Ausleserate festlegt, wie schnell die Amplitude des erzeugten Kurvenformsegmentes abnimmt. Die Tonhöhenperiodeninformation, die aus der
Tabelle A in Fig. 18 gelesen wird, bestimmt, wann das zugeordnete Kurvenformsegment beendet werden soll.
Wie oben erwähnt, wird die Kurvenformsegment-Amplitudeninformation zur Modifizierung der erzeugten
Kurvenform durch die Eingangs-Ausgangseinrichtung 20 an die Digitaleingänge des Digital-Analogwandlers
12 als Koeffizient angelegt, der eine Vorspannung oder
Vorgabe zur Modifizierung der Amplitude des Kurvenformsegmentes bestimmt, das von dem Digital-Analogwandler 11 erzeugt werden soll. Bei dieser Anordnung
arbeitet der Digital-Analogwandler 12 als multiplizierender Digital-Analogwandler.
Das sich ergebende, vom Digital-Analogwandler 11 auf der Leitung 40 erzeugte Ausgangssignal ist ein Analogsignal, das an irgendeinen akustischen Wandler gegeben wird, der in F i g. 1 als Beispiel in Form eines
Tiefpaßfilters (LPF) 41 und eines Lautsprechers 13 dar
gestellt ist. Das Tiefpaßfilter 41 ist zwischen den Digital-
Analogwandler 12 und den Lautsprecher 13 geschaltet um die Qualität der sich ergebenden Laute zu verbessern. Die Verbesserung ergibt sich durch ein. Ausfiltern
unerwünschter hoher Frequenzkomponenten des abge
tasteten Signals. Die von der beschriebenen Anordnung
synthetisierten Sprachlaute haben sehr gute Qualität, obwohl nur ein begrenzter Speicherraum zur Aufnahme
aller erforderlichen Hauptparameter und eine begrenzte Menge von verhältnismäßig billigen weiteren Bautei-
len zur Nachbildung aller gewünschten Kurvenformsegmente benutzt werden.
Die Speicherkapazität des Synthetisierers gemäß F i g. 1 wird praktisch ausschließlich durch die Größe
des Vokabulars bestimmt, das. erzeugt werden solL Die
Speicherkapazität hängt von der Größe der Tabelle A
in Fig. 18 ab, die beschreibende Informationen für alle zu erzeugenden Sprechlaute enthält.
F i g. 21 zeigt ein Flußdiagramm für die Folge von Verfahrensschritten, die bei der Erzeugung eines voll»
ständigen Sprechlautes auftreten, der von der Schaltungsanordnung gemäß F i g. 1 unter Steuerung eines
Programms synthetisiert werden soll.
Gemäß F i g. 1 ist der erste dargestellte Schritt die
Auswahl des gesprochenen Wortes, das synthetisiert
werden soll. Eine solche Auswahl erfolgt vor Beginn der
Steuerung durch das in den Anhängen A und B angegebene Programm,
Nach der Auswahl des gewünschten Wortes beginnt die Programmsteuerung unmittelbar nach einer Angabe
»Start«. Das Wort χ wird initiert und ein Wortzeiger erzeugt. Der Mikroprozessor identifiziert damit die Position desjenigen Teiles der Tabelle A, die das gewählte
Wort beschreibt. Wie oben erwähnt, enthält die Tabelle A eine Liste von 3-Byte-Datenpunkten für jeden
Nach Anfangseinstellung des Mikroprozessors läuft die Steuerung mit dem dritten Schritt gemäß Fig.21
weiter. Damit beginnt eine große äußere Schleife im
13
Flußdiagramm. Bei diesem Verarbeitungsschritt bestimmt die Anlage gemäß F i g. 1 bestimmte Informationen,
die während der ersten Tonhöhenperiode des gewählten Wortes zu benutzen sind. Diese Informationen
beinhalten die Dauer der Tonhöhenperiode, die Adresse der gewählten Basisfunktion, den Kompressions/Expansionskoeffizienten
und den Amplitudenkoeffizienten, die für die Erzeugung des ersten Kurvenformsegmentes
verwendet werden sollen. Alle diese Informationen werden aus dem Speicher 18 zum Mikroprozessor 15 übertragen.
Dabei beginnt der Mikroprozessor mit der Ausgabe des Amplitudenkoeffizienten zur Eingangs-Ausgangseinrichtung
für die vollständige Tonhöhenperiode.
Innerhalb der großen Schleife in F i g. 1 befindet sich eine kleinere Verarbeitungsschleife. Am Anfang der
kleineren Schleife gibt der Mikroprozessor einen Abtastwert einer Basisfunktion an die Eingangs-Ausgangseinrichtung.
Anschließend an diesen Schritt wird der Speicherzeiger für den nächsten Abtastwert auf den
neuesten Stand gebracht, und zwar jedesmal dann, wenn Daten mittels der kleineren Schleife verarbeitet
werden, bis die Basisfunktion vollständig ausgelesen ist. Der nächste Verfahrensschritt besteht in der Erzeugung
der zwischen den Abtastwerten liegenden Verzögerungsperiode abhängig davon, welcher Kompressions/
Expansionskoeffizient gilt. Die kleine Schleife wird dadurch beendet, daß der Tonhöhenperiodenzählwert auf
den neuesten Stand gebracht und eine Entscheidung getroffen wird, ob die Tonhöhenperiode vorbei ist oder
nicht. Wenn die Tonhöhenperiode nicht vollständig ist, kehrt die Steuerung zurück und durchläuft erneut die
kleinere Verarbeitungsschleife. Wenn die Tonhöhenperiode vollständig ist, prüft die Anlage, ob das gewählte
Wort vollständig synthetisiert ist. Wenn dies nicht der Fall ist, kehrt die Steuerung über die große Schleife
zurück, um Parameter für den nächsten Kurvenformabschnitt zu bestimmen. Im anderen Falle kehrt die Steuerung
zum Ausführungsprogramm zurück.
40
Hierzu 9 Blatt Zeichnungen
45
50
55
60
Claims (6)
1. Verfahren zur Synthetisierung von Sprache mit folgenden Verfahrensschritten:
a) Abspeichern von Digital-Datengruppen, die je ein Kurvenformsegment von Sprache innerhalb
einer Tonhöhenperiode mit mehreren Formanten (Fi, F2) in Form digital codierter, mit einer
Basisabtastrate gewonnener Amplitudenabtastwerte darstellen;
b) Auslesen und Aneinanderreihen von Digital-Datengruppen, die abhängig von den zu erzeugenden
Wörtern gewählt sind,
dadurch gekennzeichnet, daß das Auslesen gemäß Verfahrensschritt b) mit einer Rate erfolgt,
die abhängig von der zu erzeugenden Sprachkurvenform von Tonhöhenperiode zu Tonhöhenperiode
veränderbar und gleich, kleiner oder größer als die Basisabtastrate ist.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet,
daß die gespeicherten Kurvenformsegmente Datenpunkte darstellen, die in einer Darstellung
mit rechtwinkligen Koordinatenachsen, in der die Frequenzen des Formanten FI in Abhängigkeit
von den Frequenzen des Formanten F2 in doppeltlogarithmischem Maßstab dargestellt sind, auf einer
Geraden (46) liegen.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Gerade (46) eine Steigung m = - 1
besitzt. ■*■"■
4. Vorrichtung zur Durchführung des Verfahrens nach Anspruch 2 oder 3, dadurch gekennzeichnet,
daß ein Speicher (18) vorgesehen ist, der eine Datenpunkttabelle (F ig. 18) mit einer Liste von einen vollständigen,
zu synthetisierenden Laut beschreibenden Datenpunkten, ferner eine erste Tabelle
(Fig. 19), die eine Liste von Adressen enthält, von denen jede die Anfangsspeicherposition einer Folge
von Speicherpositionen jeweils einer anderen Digital-Datengruppe ist, und eine zweite Tabelle
(F i g. 20) aufnimmt, die eine Liste der Digital-Datengruppe enthält, daß eine Verarbeitungseinrichtung
mit einem Mikroprozessor (15) vorgesehen ist, der mit dem Speicher (18) über einen Adressenbus (30)
und einen Datenbus (31) in Verbindung steht, daß der Mikroprozessor unter Ansprechen auf Daten,
die aus der Datenpunkttabelle (Fig. 18) und der ersten
Tabelle (Fig. 19) gelesen werden, die Übertragung
gewählter Digital-Datengruppen aus der zweiten Tabelle (Fig. 20) zum Mikroprozessor steuert,
daß eine Eingangs-Ausgangseinrichtung (20) vorgesehen ist, die mit dem Mikroprozessor über den Datenbus
(31) verbunden ist, um die gewählte Digital-Datengruppen aus dem Mikroprozessor aufzunehmen,
und ferner ein erster Digital-Analogwandler (U) vorhanden ist, der mit der Eingangs-Ausgangseinrichtung
über einen Datenbus (32) verbunden ist, um die gewählten Digital-Datengruppcn aus der
Eingangs-Ausgangseinrichtung aufzunehmen, und daß der erste Digital-Analogwandler unter Ansprechen
auf die gewählten Digital-Datcngruppen ein analoges Kurvenformsegment erzeugt, das angenähert
einen Datenpunkt abseits der Geraden (46) darstellt.
5. Vorrichtung nach Anspruch 4, dadurch gekcnn-
zeichnet, daß der Mikroprozessor (15) unter Ansprechen auf einen Zeitkompressions-Expansionskoeffizientcn
(60), der aus der Datenpunkttabelle (F i g. 18) geholt wird, die Rate bestimmt, mit der Digital-Datengruppen
vom Mikroprozessor zur Eingangs-Ausgangseinrichtung übertragen werden.
6. Vorrichtung nach Anspruch 4 oder 5, dadurch gekennzeichnet, daß die Verarbeitungseinrichtung
einen zweiten Digital-Analogwandler (12) aufweist, der mit der Eingangs-Ausgangseinrichtung (20) über
einen Datenbus (33) in Verbindung steht, daß der zweite Digital-Analogwandler (12) unter Ansprechen
auf einen aus der Liste von Datenpunkttabellen (F i g. 18) geholten Amplitudenkoeffizienten (70) ein
Vorspannungssignal erzeugt und daß der erste Digital-Analog-Wandler
(11) ferner auf das Vorspannungssignal anspricht, um die Amplitude des analogen Kurvenformsegmentes zu modifizieren, das den
Datenpunkt abseits der Geraden (46) darstellt.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US05/894,042 US4163120A (en) | 1978-04-06 | 1978-04-06 | Voice synthesizer |
Publications (1)
Publication Number | Publication Date |
---|---|
DE2945413C1 true DE2945413C1 (de) | 1984-06-28 |
Family
ID=25402515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE2945413A Expired DE2945413C1 (de) | 1978-04-06 | 1979-04-02 | Verfahren und Vorrichtung zur Synthetisierung von Sprache |
Country Status (8)
Country | Link |
---|---|
US (1) | US4163120A (de) |
EP (1) | EP0011634A1 (de) |
JP (1) | JPS5930280B2 (de) |
CA (1) | CA1105621A (de) |
DE (1) | DE2945413C1 (de) |
FR (1) | FR2457537A1 (de) |
GB (1) | GB2036516B (de) |
WO (1) | WO1979000892A1 (de) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1172366A (en) * | 1978-04-04 | 1984-08-07 | Harold W. Gosling | Methods and apparatus for encoding and constructing signals |
US4234761A (en) * | 1978-06-19 | 1980-11-18 | Texas Instruments Incorporated | Method of communicating digital speech data and a memory for storing such data |
US4189876A (en) * | 1978-08-07 | 1980-02-26 | American Seating Company | Beam-mounted folding chairs |
JPS55111995A (en) * | 1979-02-20 | 1980-08-29 | Sharp Kk | Method and device for voice synthesis |
US4272649A (en) * | 1979-04-09 | 1981-06-09 | Williams Electronics, Inc. | Processor controlled sound synthesizer |
JPS55147697A (en) * | 1979-05-07 | 1980-11-17 | Sharp Kk | Sound synthesizer |
GB2050979A (en) * | 1979-05-29 | 1981-01-14 | Texas Instruments Inc | Automatic voice checklist system for aircraft cockpit |
EP0025513B1 (de) * | 1979-08-17 | 1984-02-15 | Matsushita Electric Industrial Co., Ltd. | Heizgerät mit Detektor |
US4335379A (en) * | 1979-09-13 | 1982-06-15 | Martin John R | Method and system for providing an audible alarm responsive to sensed conditions |
AU523649B2 (en) * | 1979-10-18 | 1982-08-05 | Matsushita Electric Industrial Co., Ltd. | Heating apparatus safety device using voice synthesizer |
JPS5681900A (en) * | 1979-12-10 | 1981-07-04 | Nippon Electric Co | Voice synthesizer |
DE3071835D1 (en) * | 1979-12-26 | 1987-01-02 | Matsushita Electric Ind Co Ltd | Food heating apparatus provided with a voice synthesizing circuit |
WO1981002215A1 (en) * | 1980-02-01 | 1981-08-06 | M Segan | Audio-visual message device |
US4449233A (en) | 1980-02-04 | 1984-05-15 | Texas Instruments Incorporated | Speech synthesis system with parameter look up table |
JPH0124699Y2 (de) * | 1980-02-18 | 1989-07-26 | ||
GB2076616B (en) * | 1980-05-27 | 1984-03-07 | Suwa Seikosha Kk | Speech synthesizer |
US4517431A (en) * | 1981-05-04 | 1985-05-14 | Matsushita Electric Industrial Co., Ltd. | Safety device for a heating appliance |
US4449231A (en) * | 1981-09-25 | 1984-05-15 | Northern Telecom Limited | Test signal generator for simulated speech |
US4571739A (en) * | 1981-11-06 | 1986-02-18 | Resnick Joseph A | Interoral Electrolarynx |
DE3272234D1 (en) * | 1982-01-29 | 1986-09-04 | Ibm | Audio response terminal for use with data processing systems |
GB2119208B (en) * | 1982-04-28 | 1986-01-22 | Gen Electric Co Plc | Method of and apparatus for generating a plurality of electric signals |
US4624012A (en) | 1982-05-06 | 1986-11-18 | Texas Instruments Incorporated | Method and apparatus for converting voice characteristics of synthesized speech |
US5113449A (en) * | 1982-08-16 | 1992-05-12 | Texas Instruments Incorporated | Method and apparatus for altering voice characteristics of synthesized speech |
US4566117A (en) * | 1982-10-04 | 1986-01-21 | Motorola, Inc. | Speech synthesis system |
US4639877A (en) * | 1983-02-24 | 1987-01-27 | Jostens Learning Systems, Inc. | Phrase-programmable digital speech system |
US4675840A (en) * | 1983-02-24 | 1987-06-23 | Jostens Learning Systems, Inc. | Speech processor system with auxiliary memory access |
EP0183712A1 (de) * | 1984-03-13 | 1986-06-11 | R. DAKIN & COMPANY | Für schall empfindliches spielzeug |
JPS6199198A (ja) * | 1984-09-28 | 1986-05-17 | 株式会社東芝 | 音声分析合成装置 |
CA1257002A (en) * | 1986-02-04 | 1989-07-04 | Yukio Mitome | Pole-zero analyzer |
EP0245531A1 (de) * | 1986-05-14 | 1987-11-19 | Deutsche ITT Industries GmbH | Verwendung von halbleitertechnischen Festwertspeichern |
US5009143A (en) * | 1987-04-22 | 1991-04-23 | Knopp John V | Eigenvector synthesizer |
KR890702176A (ko) * | 1987-10-09 | 1989-12-23 | 에드워드 엠, 칸데퍼 | 디지탈 방식으로 기억된 상호분절 언어세그먼트로부터 언어발생 방법 및 그 장치 |
US5163110A (en) * | 1990-08-13 | 1992-11-10 | First Byte | Pitch control in artificial speech |
US5130696A (en) * | 1991-02-25 | 1992-07-14 | Pepsico Inc. | Sound-generating containment structure |
JP3278863B2 (ja) * | 1991-06-05 | 2002-04-30 | 株式会社日立製作所 | 音声合成装置 |
US20120078625A1 (en) * | 2010-09-23 | 2012-03-29 | Waveform Communications, Llc | Waveform analysis of speech |
US20140207456A1 (en) * | 2010-09-23 | 2014-07-24 | Waveform Communications, Llc | Waveform analysis of speech |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3892919A (en) * | 1972-11-13 | 1975-07-01 | Hitachi Ltd | Speech synthesis system |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3104284A (en) * | 1961-12-29 | 1963-09-17 | Ibm | Time duration modification of audio waveforms |
US3641496A (en) * | 1969-06-23 | 1972-02-08 | Phonplex Corp | Electronic voice annunciating system having binary data converted into audio representations |
US3828132A (en) * | 1970-10-30 | 1974-08-06 | Bell Telephone Labor Inc | Speech synthesis by concatenation of formant encoded words |
US3908085A (en) * | 1974-07-08 | 1975-09-23 | Richard T Gagnon | Voice synthesizer |
US4069970A (en) * | 1976-06-24 | 1978-01-24 | Bell Telephone Laboratories, Incorporated | Data access circuit for a memory array |
-
1978
- 1978-04-06 US US05/894,042 patent/US4163120A/en not_active Expired - Lifetime
-
1979
- 1979-03-28 CA CA324,307A patent/CA1105621A/en not_active Expired
- 1979-04-02 JP JP54500643A patent/JPS5930280B2/ja not_active Expired
- 1979-04-02 WO PCT/US1979/000204 patent/WO1979000892A1/en unknown
- 1979-04-02 GB GB7944219A patent/GB2036516B/en not_active Expired
- 1979-04-02 DE DE2945413A patent/DE2945413C1/de not_active Expired
- 1979-11-08 EP EP79900393A patent/EP0011634A1/de not_active Withdrawn
-
1980
- 1980-05-22 FR FR8011659A patent/FR2457537A1/fr active Granted
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3892919A (en) * | 1972-11-13 | 1975-07-01 | Hitachi Ltd | Speech synthesis system |
Non-Patent Citations (1)
Title |
---|
Steinbuch/Weer, Taschenbuch der Informatik, Bd. 2, 1974, S. 481-491 * |
Also Published As
Publication number | Publication date |
---|---|
US4163120A (en) | 1979-07-31 |
FR2457537A1 (fr) | 1980-12-19 |
WO1979000892A1 (en) | 1979-11-15 |
EP0011634A1 (de) | 1980-06-11 |
JPS5930280B2 (ja) | 1984-07-26 |
JPS56500353A (de) | 1981-03-19 |
GB2036516B (en) | 1982-11-03 |
GB2036516A (en) | 1980-06-25 |
FR2457537B1 (de) | 1982-02-26 |
CA1105621A (en) | 1981-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE2945413C1 (de) | Verfahren und Vorrichtung zur Synthetisierung von Sprache | |
DE4237563C2 (de) | Verfahren zum Synthetisieren von Sprache | |
DE2115258C3 (de) | Verfahren und Anordnung zur Sprachsynthese aus Darstellungen von individuell gesprochenen Wörtern | |
DE3244476C2 (de) | ||
DE69031165T2 (de) | System und methode zur text-sprache-umsetzung mit hilfe von kontextabhängigen vokalallophonen | |
DE69420547T2 (de) | Wellenform-mischungsverfahren für system zur text-zu-sprache umsetzung | |
DE60112512T2 (de) | Kodierung von Ausdruck in Sprachsynthese | |
DE69421804T2 (de) | Intonationsregelung in text-zu-sprache-systemen | |
DE69230324T2 (de) | Verfahren zur Zeitskalenmodifikation von Signalen | |
DE68919637T2 (de) | Verfahren und Einrichtung zur Sprachsynthese durch Überdeckung und Summierung von Wellenformen. | |
DE69521955T2 (de) | Verfahren zur Sprachsynthese durch Verkettung und teilweise Überlappung von Wellenformen | |
DE2551632C2 (de) | Verfahren zum Zusammensetzen von Sprachnachrichten | |
DE69431445T2 (de) | Verfahren und Vorrichtung zur Sprachkodierung | |
DE69329569T2 (de) | Digitale Kodierung von Sprachsignalen | |
EP0076234A1 (de) | Verfahren und Vorrichtung zur redundanzvermindernden digitalen Sprachverarbeitung | |
DE69033510T2 (de) | Numerischer sprachkodierer mit verbesserter langzeitvorhersage durch subabtastauflösung | |
DE69124210T2 (de) | Einrichtung zur Signalcodierung | |
DE69631037T2 (de) | Sprachsynthese | |
DE69612958T2 (de) | Verfahren und vorrichtung zur resynthetisierung eines sprachsignals | |
EP1105867B1 (de) | Verfahren und vorrichtungen zur koartikulationsgerechten konkatenation von audiosegmenten | |
DE3019823C2 (de) | ||
DE69017842T2 (de) | Verfahren und Einrichtung zur Codierung von Prädiktionsfiltern in Vocodern mit sehr niedriger Datenrate. | |
DE60307965T2 (de) | Vorrichtung und Verfahren zum Ändern der Wiedergabegeschwindigkeit von gespeicherten Sprachsignalen | |
DE4033350B4 (de) | Verfahren und Vorrichtung für die Sprachverarbeitung | |
DE69318209T2 (de) | Verfahren und Anordnung zur Sprachsynthese |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8100 | Publication of patent without earlier publication of application | ||
D1 | Grant (no unexamined application published) patent law 81 | ||
8364 | No opposition during term of opposition | ||
8328 | Change in the person/name/address of the agent |
Free format text: BLUMBACH, KRAMER & PARTNER, 65193 WIESBADEN |